(1)分布滞后模型( distributed- -lag model) 分布滞后模型ε模型中没有滞后被解释变量, 仅有解释变量X的当期值及其若干期的滞后值: y=a+∑BXx+ βa:短期( short-run)或即期乘数( ( impact multiplier), 表示本期X变化一单位对Y平均值的影响程度。 β;(i=1,2.,s):动态乘数或延迟系数,表示各 滞后期X的变动对Y平均值影响的大小
（1）分布滞后模型（distributed-lag model） 分布滞后模型：模型中没有滞后被解释变量， 仅有解释变量X的当期值及其若干期的滞后值： i t i t s i Yt = + X − + = 0 0：短期(short-run)或即期乘数(impact multiplier)， 表示本期X变化一单位对Y平均值的影响程度。 i (i=1,2…,s)：动态乘数或延迟系数，表示各 滞后期X的变动对Y平均值影响的大小
∑B称为长期( long-run)或均衡乘数( total 0 distributed- clag multiplier),表示X变动 个单位,由于滞后效应而形成的对Y平 均值总影响的大小 如果各期的X值保持不变,则Ⅹ与Y间的长 期或均衡关系即为 E(Y)=a+C∑B)X
如果各期的X值保持不变，则X与Y间的长 期或均衡关系即为 = s i i 0 称为长期（long-run）或均衡乘数（total distributed-lag multiplier），表示X变动 一个单位，由于滞后效应而形成的对Y平 均值总影响的大小。 E Y X s i i ( ) ( ) 0 = = +
2、自回归模型( autoregressive model) 自回归模型ε模型中的解释变量仅包含X的当 期值与被解释变量Y的一个或多个滞后值 Y=a0+a1X+∑Y+ 0+a1X,+a2Y,1+ 称为一阶自回归模型( first- order autoregressive modeD)
2、自回归模型（autoregressive model） 而 Yt = 0 +1 Xt + 2 Yt−1 + t 称为一阶自回归模型（first-order autoregressive model）。 自回归模型：模型中的解释变量仅包含X的当 期值与被解释变量Y的一个或多个滞后值 t q i Yt = + Xt + i Yt i + = − 1 0 1
二、分布滞后模型的参数估计 分布滞后模型估计的困难 无限期的分布滞后模型,由于样本观测值的有 限性,使得无法直接对其进行估计。 有限期的分布滞后模型,OLS会遇到如下问题: 1、没有先验准则确定滞后期长度; 2、如果滞后期较长,将缺乏足够的自由度进 行估计和检验; 3、同名变量滞后值之间可能存在高度线性相 关,即模型存在高度的多重共线性
二、分布滞后模型的参数估计 无限期的分布滞后模型，由于样本观测值的有 限性，使得无法直接对其进行估计。 有限期的分布滞后模型，OLS会遇到如下问题： 1、没有先验准则确定滞后期长度； 2、如果滞后期较长，将缺乏足够的自由度进 行估计和检验； 3、同名变量滞后值之间可能存在高度线性相 关，即模型存在高度的多重共线性。 1、分布滞后模型估计的困难
2、分布滞后模型的修正估计方法 人们提出了一系列的修正估计方法,但并不很 盖 各种方法的基本思想大致相同:都是通过对各 滞后变量加权,组成线性合成变量而有目的地减 少滞后变量的数目,以缓解多重共线性,保证自 由度。 (1)经验加权法 根据实际问题的特点、实际经验给各滞后变量 指定权数,滞后变量按权数线性组合,构成新的 变量。权数据的类型有:
2、分布滞后模型的修正估计方法 人们提出了一系列的修正估计方法，但并不很 完善。 各种方法的基本思想大致相同：都是通过对各 滞后变量加权，组成线性合成变量而有目的地减 少滞后变量的数目，以缓解多重共线性，保证自 由度。 (1)经验加权法 根据实际问题的特点、实际经验给各滞后变量 指定权数，滞后变量按权数线性组合，构成新的 变量。权数据的类型有：